ارائه ی مدل پیش بینی بیماری های قلبی بر اساس ترکیب شبکه عصبی مصنوعی والگوریتم جهش قورباغه

بیماری های قلبی و عروقی، اولین علت مرگ و میر و پنجمین علت از کار افتادگی و ناتوانی در جهان محسوب می شوند. لذا تشخیص درستو به موقع این بیماری در کنترل و درمان آن بسیار اهمیت دارد. روش های تشخیصی و درمانی این بیماری مانند آنژیوگرافی عوارض جانبیزیاد و پرهزینه ای دارد. بنابراین محققان به دنبال روش های ارزان و با دقت بالا برای پیش گیری، پیش بینی و تشخیص زود هنگام این بیماریهستند. از این رو در این پژوهش سعی گردیده با استفاده از روش ترکیبی شبکه عصبی مصنوعی و الگوریتم جهش ترکیبی قورباغه، مدل مناسبی جهت پیش بینی بیماری قلبی ارائه گردد. در این پژوهش از مجموعه داده ی Celeviland که شامل ۳۰۳ نمونه و ۱۳ ویژگی می باشد، استفاده شده است. همچنین به منظور کاهش ابعاد ویژگی های مجموعه داده از روش استخراج ویژگی مبتنی بر تحلیل مولفه های اصلی استفاده شدهاست. نتایج بدست آمده از شبیه سازی ها نشان می دهد که استخراج ۱۱ ویژگی از ویژگی های مجموعه داده ی تحقیق در تشخیص این بیماری موثرند و صحت، حساسیت، اختصاصیت و نرخ خطای مدل پیشنهادی به ترتیب ۰/۸۵۱۹،۰/۸۳۳۳، ۰/۸۸۸۹، ۰/۱۴۸۱ بدست آمده که در مقایسه با روش شبکه عصبی پرسپترون چند لایه و روش FFSA دارای نتایج قابل قبولی می باشد

Keywords:

پیش بینی بیماری قلبی , شبکه عصبی مصنوعی , الگوریتم جهش ترکیبی قورباغه , دسته بندی , یادگیری ماشین